为解决车辆密集、遮挡严重导致的目标检测算法误检、漏检等问题，提出一种基于改进YLOv5s的车辆检测算法。首先，基于C2f特征提取模块结构中卷积共享和多层次特征融合的思想，对原YOLOv5s中的特征提取模块进行改进，提高网络针对多尺度特征的提取能力;其次，引入一种考虑位置信息的轻量型特征选择模块，并设计4种不同引入方式的对比试验，探究该模块在面向车辆检测任务时对模型性能的影响;最后，利用OTA动态标签分配策略对原YOLOv5s的损失函数进行优化，提高正负样本分配的精准度。在经过筛选的UA-DETRAC车辆数据集上进行试验分析，结果表明，改进后的算法能够满足实时交通检测需求，以期为相关研究提供借鉴。
NETL
NSTL
万方数据
